澄清，然后聚焦：大规模对话分析的语句规范化

企业对话分析提出了数百万次交互的许多问题。每个问题都可能需要重建人们的意思并确定哪些信息重要，在相同的记录中重复昂贵的解释工作。我们提出一个简单的原则：澄清文本，然后吸引读者。语句规范化将对话转换为简短的、由说话者归属的语句，并带有源引用和语义标签。这些陈述使含义更加明确；标签支持为特定问题选择证据。下游模型可以使用完整的表示或相关的子集，具体取决于什么可以帮助他们做出决策。在客户服务电话的报价抑制任务中，规范化改进了没有选择的监督分类器，而较弱的提示读者则从规范化和选择中受益。小模型可以学习规范化合约，而轻量级编码器则处理标记和下游决策。跨问题共享此准备工作支持完全由小型模型构建的推理管道， 使对数百万个对话的分析成本大大降低。